-
公开(公告)号：CN111722599B
公开(公告)日：2021-10-29
申请号：CN202010377401.4
申请日：2020-05-07
Applicant: 杭州电子科技大学
IPC: G05B19/418
Abstract: 本发明提供一种基于面向对象广义随机Petri网的CPS建模与分析方法。首先根据所建模CPS的具体情境，将其中的设备划分为传感器、控制器、执行器三大组件，然后将三大组件抽象为对象，构建OGSPN模型，根据对象的OGSPN模型的概念与实际CPS中各组件的具体任务，扩展顶层OGSPN模型中各个对象，得到系统的OGSPN模型；之后将OGSPN模型压缩为传统GSPN，对GSPN中的参数进行模糊化处理，得到模糊GSPN，使用马尔科夫方法求解模糊GSPN的稳态概率。最后对得到的稳态概率值进行解模糊，得到最终准确的数值结果。本发明采用了模糊数学与马尔科夫链的分析方法，有效的处理了CPS中的不确定性，从而使结果具有高度的精确性。
-
公开(公告)号：CN111104855B
公开(公告)日：2023-09-12
申请号：CN201911097168.8
申请日：2019-11-11
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/82 , G06V20/52 , G06V20/40 , G06N3/0464
Abstract: 本发明公开了一种基于时序行为检测的工作流识别方法。本发明提出了一种时序视频稀疏采样的方法，减少无用数据的同时加快了框架的整体速度。同时，为了加快识别速度和识别精度，本发明使用三维残差网络来提取特征，以保证时空特征提取的速度和效率。在时序候选子网中，为了避免漏掉某些候选片段，本发明使用Soft‑NMS对NMS进行了更新，保证了检测结果的召回率。通过上述策略，使得本发明所提出的框架更加适用于复杂工厂生产环境中的工作流识别。发明解决了动作在视频中的时序定位问题，有效利用了工厂环境下产生的大量智能监控视频，通过神经网络检测出视频中活动的类别及其发生的时间片段，对工作流进行建模，从而进一步的对整个生产流程进行优化。
-
公开(公告)号：CN111722599A
公开(公告)日：2020-09-29
申请号：CN202010377401.4
申请日：2020-05-07
Applicant: 杭州电子科技大学
IPC: G05B19/418
Abstract: 本发明提供一种基于面向对象广义随机Petri网的CPS建模与分析方法。首先根据所建模CPS的具体情境，将其中的设备划分为传感器、控制器、执行器三大组件，然后将三大组件抽象为对象，构建OGSPN模型，根据对象的OGSPN模型的概念与实际CPS中各组件的具体任务，扩展顶层OGSPN模型中各个对象，得到系统的OGSPN模型；之后将OGSPN模型压缩为传统GSPN，对GSPN中的参数进行模糊化处理，得到模糊GSPN，使用马尔科夫方法求解模糊GSPN的稳态概率。最后对得到的稳态概率值进行解模糊，得到最终准确的数值结果。本发明采用了模糊数学与马尔科夫链的分析方法，有效的处理了CPS中的不确定性，从而使结果具有高度的精确性。
-
公开(公告)号：CN111104855A
公开(公告)日：2020-05-05
申请号：CN201911097168.8
申请日：2019-11-11
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于时序行为检测的工作流识别方法。本发明提出了一种时序视频稀疏采样的方法，减少无用数据的同时加快了框架的整体速度。同时，为了加快识别速度和识别精度，本发明使用三维残差网络来提取特征，以保证时空特征提取的速度和效率。在时序候选子网中，为了避免漏掉某些候选片段，本发明使用Soft-NMS对NMS进行了更新，保证了检测结果的召回率。通过上述策略，使得本发明所提出的框架更加适用于复杂工厂生产环境中的工作流识别。发明解决了动作在视频中的时序定位问题，有效利用了工厂环境下产生的大量智能监控视频，通过神经网络检测出视频中活动的类别及其发生的时间片段，对工作流进行建模，从而进一步的对整个生产流程进行优化。
-
-
-
Search Results
4
records
(took 0.015 seconds)
